三個月沒看QQ羣了。
羣裏有同學分享的近期答辯注意事項,於是乎想把近期QQ聊天記錄從頭到尾過一遍。
導出聊天記錄文本,發覺上萬行的文本,這麼讀效率有點低,所以用python整理了一下。
這個是整理前的(手機端QQ聊天記錄導出後的txt文件):
這個是整理後的:
附上代碼:
2016.12.2 加了個自動換行的代碼,避免單行過長。
2018.1.30 根據lch1251680944、qq_20408711反饋,修正正則表達式
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
import re
import codecs
script_name = "QQ聊天記錄整理"
# 1、通過正則語句,提取出所有的記錄頭和記錄內容兩個數組。一條記錄頭對應一條記錄內容,所以兩個數組長度應該相等。
# 2、處理記錄內容
# 2.1、windows的換行爲'\r\n',單'\n'體現不出換行效果。手機端導出的記錄有的換行是\n,需要替換一下。
# 2.2、記錄頭放在了每條記錄末行後面,爲了記錄頭整齊美觀,需要計算一下記錄頭前補多少空格。windows記事本顯示中文字符佔兩格,英文佔1格,而python中文字符長度是卻是1,如果想要顯示整齊,還需要計算一下,然後補齊空格數。補齊後記錄頭距離行首位置爲100的整數倍。
# 3、讀和寫文件的時候注意編碼轉換
def length_w(text):
'''計算字符串在windows記事本中的實際顯示長度'''
# 取文本長度,中文按2格計算。
length = len(text) # 取其長度(中文字符長度爲1,英文1)
utf8_length = len(text.encode('utf-8')) # 取其長度(中文長3,英文1)
length = int((utf8_length-length)/2)+length # 按(中文2英文1)計算長度
# 這個寫法實際上還是有問題的,有些特殊字符會導致計算長度和實際顯示長度不一致。所以下面計算換行問題的代碼中換了另一種寫法,避免因特殊字符導致每行實際顯示長度超出限定值,雖然還是不精確,但是不會超出限定值。
# 比如:
# '°'在記事本中顯示佔2格,b'\xc2\xb0'utf-8編碼長度爲2。
# '�'在記事本中顯示佔1格,b'\xef\xbf\xbd'utf-8編碼長度爲3。
# ''在記事本中顯示佔2格,b'\x01'utf-8編碼長度爲1。(特殊字符無法顯示)
# 至於特殊'\t'製表符最好最開始就用四個空格替換掉,避免其自動縮進帶來的影響
return length
def chinese_linefeed(text,limit):
'''中英文混合排版,限制單行長度,超出長度換行'''
text_format= '' # 結果變量,初始化
text = text.replace('\t',' ')
text = text.replace('\r\n','\n')
text_arr = text.split('\n') # 按行分割文本
for line in text_arr:
# 逐行處理
text_format+='\r\n'
num = 0 # 長度計數變量,初始化
for i in line:
# 從該行第一個字符起計算長度
# 中文長度爲2
# asc2碼(英文及其字符等)長度爲1
# 其他長度爲2(一些特殊)
if i >= u'\u4e00' and i <= u'\u9fa5':
char_len=2
elif i >= u'\u001c' and i <= u'\u00ff':
char_len=1
else:
char_len=2
# 累計長度小於limit,直接保存至結果變量,計數變量累加
# 累計長度大於limit,換行後再保存,計數變量重置
if num+char_len<=limit:
text_format+=i
num+=char_len
else:
text_format+='\r\n'+i
num=char_len
return text_format.strip()
# QQ聊天記錄手機端導出文本
filepath = r'C:\Users\waterd\Desktop\QQ羣聊天記錄.txt'
# 讀取文件
fp = codecs.open(filepath,'r','utf-8')
txt = fp.read()
fp.close()
re_pat = r'20[\d-]{8}\s[\d:]{7,8}\s+[^\n]+(?:\d{5,11}|@\w+\.[comnet]{2,3})\)' # 正則語句,匹配記錄頭
log_title_arr = re.findall(re_pat, txt) # 記錄頭數組['2016-06-24 15:42:52 張某(40**21)',…]
log_content_arr = re.split(re_pat, txt) # 記錄內容數組['\n', '\n選修的\n\n', '\n就怕這次…]
log_content_arr.pop(0) # 剔除掉第一個(分割造成的冗餘部分)
# 數組長度
l1 = len(log_title_arr)
l2 = len(log_content_arr)
print('記錄頭數: %d\n記錄內容: %d'%(l1,l2))
if l1==l2:
# 整理後的記錄
log_format = ''
# 開始整理
for i in range(0,l1):
title = log_title_arr[i] # 記錄頭
content = log_content_arr[i].strip() # 刪記錄內容首尾空白字符
content = content.replace('\r\n','\n') # 記錄中的'\n',替換爲'\r\n'
content = content.replace('\n','\r\n')
content = chinese_linefeed(content,100) # 每行過長自動換行
lastline = content.split('\r\n')[-1] # 取記錄內容最後一行
length = length_w(lastline) # 取其長度
space = (100-(length%100))*' ' if length%100!=0 else ''# 該行記錄頭前補空格,變整齊爲100整數倍;餘數爲0則不用補空格
log_format += content + space + '['+title+']\r\n'# 拼接合成記錄
# 寫到文件
fp = codecs.open(filepath+'format.txt','w','utf-8')
fp.write(log_format)
fp.close()
print("整理完畢~^_^~")
else:
print('記錄頭和記錄內容條數不匹配,請修正代碼')